Les centres de calcul cloud consomment d'importantes quantités d'énergie et il devient nécessaire de réduire leur consommation en raison des changements climatiques actuels. Bien que des propositions d'optimisations énergétiques existent, elles ne tiennent pas compte des utilisateurs finaux. Cette thèse propose d'inclure les utilisateurs cloud dans l'optimisation énergétique afin de réduire la consommation d'énergie des centres de calcul. L'inclusion se fait, dans un premier temps, en délivrant une information énergétique pour sensibiliser, puis dans un second temps, en fournissant des moyens d'action. Les contributions portent sur les couches cloud IaaS et PaaS. Nos résultats montrent que les utilisateurs tolérants à la variation des performances (e.g. retarder l'obtention de résultats) permettent de réduire la consommation d'énergie des centres de calcul. / Cloud datacenters consume large amounts of energy and it becomes necessary to reduce their consumption due to current climate changes. Although energy optimization propositions exist, they do not take into account end-users. This thesis proposes to include cloud users in the energy optimization as a means to reduce datacenters energy consumption. The inclusion is done, first, by delivering energy related information to raise awareness, and second, by providing means of actions. Contributions are located at IaaS and PaaS cloud layers. Our results show that users tolerant to performance variation (e.g. delay in obtaining execution results) allow to reduce datacenters energy consumption.

Nous nous intéressons à prévoir séquentiellement une suite arbitraire d'observations. À chaque instant, des experts nous proposent des prévisions de la prochaine observation. Nous formons alors notre prévision en mélangeant celles des experts. C'est le cadre de l'agrégation séquentielle d'experts. L'objectif est d'assurer un faible regret cumulé. En d'autres mots, nous souhaitons que notre perte cumulée ne dépasse pas trop celle du meilleur expert sur le long terme. Nous cherchons des garanties très robustes~: aucune hypothèse stochastique sur la suite d'observations à prévoir n'est faite. Celle-ci est supposée arbitraire et nous souhaitons des garanties qui soient vérifiées quoi qu'il arrive. Un premier objectif de ce travail est l'amélioration de la performance des prévisions. Plusieurs possibilités sont proposées. Un exemple est la création d'algorithmes adaptatifs qui cherchent à s'adapter automatiquement à la difficulté de la suite à prévoir. Un autre repose sur la création de nouveaux experts à inclure au mélange pour apporter de la diversité dans l'ensemble d'experts. Un deuxième objectif de la thèse est d'assortir les prévisions d'une mesure d'incertitude, voire de prévoir des lois. Les applications pratiques sont nombreuses. En effet, très peu d'hypothèses sont faites sur les données. Le côté séquentiel permet entre autres de traiter de grands ensembles de données. Nous considérons dans cette thèse divers jeux de données du monde de l'énergie (consommation électrique, prix de l'électricité,...) pour montrer l'universalité de l'approche. / We are interested in online forecasting of an arbitrary sequence of observations. At each time step, some experts provide predictions of the next observation. Then, we form our prediction by combining the expert forecasts. This is the setting of online robust aggregation of experts. The goal is to ensure a small cumulative regret. In other words, we want that our cumulative loss does not exceed too much the one of the best expert. We are looking for worst-case guarantees: no stochastic assumption on the data to be predicted is made. The sequence of observations is arbitrary. A first objective of this work is to improve the prediction accuracy. We investigate several possibilities. An example is to design fully automatic procedures that can exploit simplicity of the data whenever it is present. Another example relies on working on the expert set so as to improve its diversity. A second objective of this work is to produce probabilistic predictions. We are interested in coupling the point prediction with a measure of uncertainty (i.e., interval forecasts,…). The real world applications of the above setting are multiple. Indeed, very few assumptions are made on the data. Besides, online learning that deals with data sequentially is crucial to process big data sets in real time. In this thesis, we carry out for EDF several empirical studies of energy data sets and we achieve good forecasting performance.

L’évolution de la consommation électrique est un point clé pour les choix à venir, tant pour les moyens de production d’électricité, que pour le dimensionnement du réseau à toutes ses échelles. Aujourd’hui, ce sont majoritairement des modèles statistiques basés sur les consommations passées et des tendances démographiques ou économétriques qui permettent de prédire cette consommation. Dans le contexte de la transition énergétique, des changements importants sont en cours et à venir, et la consommation future ne sera certainement pas une continuation des tendances passées. Modéliser ces changements nécessite une modélisation fine de type bottom-up de chaque contributeur de la consommation électrique. Ce type de modèle présente des challenges de modélisation, car il nécessite un grand nombre de paramètres d’entrée qui peuvent difficilement être renseignés de façon réaliste à grande échelle. En même temps, les données et informations de tout type n’ont jamais été autant disponibles. Cela représente à la fois un atout pour la modélisation, mais aussi une difficulté importante notamment à cause de l’hétérogénéité des données. Dans ce contexte, cette thèse présente une démarche de construction d’un simulateur de consommation électrique bottom-up capable de simuler différentes alternatives énergétiques à l’échelle de la France. Un travail de recensement, de classification et d’association des bases de données pour expliquer la consommation électrique a d’abord été mené. Ensuite, le modèle de consommation électrique a été présenté ; il a été validé et calibré sur une grande quantité de mesures de consommation électrique des départs HTA fournie par Enedis. Ce modèle a enfin pu être utilisé pour simuler différentes alternatives énergétiques afin d’aider au dimensionnement du réseau de distribution. / Future trend of electricity demand is a key point for sizing both the electricity network and the power plants. In order to forecast future electricity demand, current models mostly use statistical approaches based on past demand measurements and on demographic and economic trends. Because of current context of energy transition which comes along with important changes, future electricity demand is not expected to be similar to past trends. Modeling these changes requires a bottom-up modeling of each contributor to electricity demand. This kind of model is challenging because of the large number of input data required. At the same time, data and information are more and more available. Such availability can be considered both as an asset for modeling and as an important issue because of data heterogeneity. In this context, this dissertation offers an approach to build a bottom-up load curve simulator which enables to simulate prospective scenarii at the scale of France country. Firstly, an assessment, classification, and matching of the large databases explaining the electricity demand have been performed. Then, the electricity demand model has been presented. It has been validated and calibrated on Enedis’ large volumes of electricity demand measurements of medium voltage feeders. Finally, this model has been used to simulate several prospective scenarii in order to improve the electricity distribution network sizing.

Les systèmes embarqués tels que les téléphones portables ou les lecteurs multimédia intègrent de plus en plus de fonctions consommatrices d'énergie ce qui a pour conséquence directe une diminution de leurs autonomies. Les applications audio dans les téléphones cellulaires et en particulier l'application casque font partie des fonctions les plus consommatrices d'énergie. Après un état de l'art des solutions permettant l'amplification de signaux audio, l'amplificateur de classe G à été identifié comme étant le meilleur candidat pour obtenir une amélioration du rendement tout en fournissant une bonne qualité de reproduction sonore. Nos travaux se sont plus particulièrement focalisés sur la détection d'enveloppe de ces architectures qui est un facteur clé dans la maximisation du rendement. Une étude des propriétés temporelles, fréquentielles et statistiques des signaux présents en entrée de l'amplificateur a ainsi été menée pour mettre en évidence les différences entre les signaux classiquement utilisés (signal sinusoïdal) et les signaux réellement écoutés par les utilisateurs (musique). Après avoir effectué une sélection de signaux pour la suite de notre étude, nous avons également caractérisé la puissance correspondant à des conditions normales d'écoute afin d'obtenir par la suite un environnement de test proche des conditions réelles de fonctionnement. Un modèle simplifié et rapide d'amplificateur hybride permettant d'obtenir en quelques dizaines de secondes, l'évaluation du rendement, de la consommation et de la qualité sonore dans des conditions réelles de fonctionnement a été développé. Notre modèle, entièrement configurable et réadaptable à d'autres types de circuits a été validé par mesures pratiques des performances d'un amplificateur existant. Les paramètres de la détection d'enveloppe de ce modèle ont fait l'objet d'une optimisation basée sur le couplage séquentiel de deux algorithmes d'optimisation, permettant ainsi dans un temps limité d'obtenir une solution optimale sans solution de départ sous des conditions réelles d'utilisation. La suite de notre étude nous a conduit à étudier, modéliser, optimiser et comparer des amplificateurs de classe G possédant un nombre de tensions d'alimentation supérieur (3, 4) ainsi que des amplificateurs de classe H (alimentations continues) afin d'améliorer encore le rendement. Enfin, nous avons proposé une nouvelle détection d'enveloppe permettant d'améliorer le rendement à faible puissance. Cette nouvelle détection d'enveloppe permet à l'amplificateur de classe G un fonctionnement en " multi niveau " et d'être auto adaptatif au signal audio présent en entrée de l'amplificateur. Après avoir développé des méta-modèles pour optimiser les paramètres de la détection d'enveloppe, cette détection d'enveloppe a été implémentée au niveau transistor en technologie 0.25μm de ST Microelectronics.

L'électricité ne se stockant pas aisément, EDF a besoin d'outils de prévision de consommation et de production efficaces. Le développement de nouvelles méthodes automatiques de sélection et d'estimation de modèles de prévision est nécessaire. En effet, grâce au développement de nouvelles technologies, EDF peut étudier les mailles locales du réseau électrique, ce qui amène à un nombre important de séries chronologiques à étudier. De plus, avec les changements d'habitude de consommation et la crise économique, la consommation électrique en France évolue. Pour cette prévision, nous adoptons ici une méthode semi-paramétrique à base de modèles additifs. L'objectif de ce travail est de présenter des procédures automatiques de sélection et d'estimation de composantes d'un modèle additif avec des estimateurs en plusieurs étapes. Nous utilisons du Group LASSO, qui est, sous certaines conditions, consistant en sélection, et des P-Splines, qui sont consistantes en estimation. Nos résultats théoriques de consistance en sélection et en estimation sont obtenus sans nécessiter l'hypothèse classique que les normes des composantes non nulles du modèle additif soient bornées par une constante non nulle. En effet, nous autorisons cette norme à pouvoir converger vers 0 à une certaine vitesse. Les procédures sont illustrées sur des applications pratiques de prévision de consommation électrique nationale et locale.Mots-clés: Group LASSO, Estimateurs en plusieurs étapes, Modèle Additif, Prévision de charge électrique, P-Splines, Sélection de variables / French electricity load forecasting encounters major changes since the past decade. These changes are, among others things, due to the opening of electricity market (and economical crisis), which asks development of new automatic time adaptive prediction methods. The advent of innovating technologies also needs the development of some automatic methods, because we have to study thousands or tens of thousands time series. We adopt for time prediction a semi-parametric approach based on additive models. We present an automatic procedure for covariate selection in a additive model. We combine Group LASSO, which is selection consistent, with P-Splines, which are estimation consistent. Our estimation and model selection results are valid without assuming that the norm of each of the true non-zero components is bounded away from zero and need only that the norms of non-zero components converge to zero at a certain rate. Real applications on local and agregate load forecasting are provided.Keywords: Additive Model, Group LASSO, Load Forecasting, Multi-stage estimator, P-Splines, Variables selection

Nous sommes intéressé par la reconstitution et la prédiction des séries temporelles multivariées à partir des données partiellement observées et/ou agrégées.La motivation du problème vient des applications dans la gestion du réseau électrique.Nous envisageons des outils capables de résoudre le problème d'estimation de plusieurs domaines.Après investiguer le krigeage, qui est une méthode de la litérature de la statistique spatio-temporelle, et une méthode hybride basée sur le clustering des individus, nous proposons un cadre général de reconstitution et de prédiction basé sur la factorisation de matrice nonnégative.Ce cadre prend en compte de manière intrinsèque la corrélation entre les séries temporelles pour réduire drastiquement la dimension de l'espace de paramètres.Une fois que le problématique est formalisé dans ce cadre, nous proposons deux extensions par rapport à l'approche standard.La première extension prend en compte l'autocorrélation temporelle des individus.Cette information supplémentaire permet d'améliorer la précision de la reconstitution.La deuxième extension ajoute une composante de régression dans la factorisation de matrice nonnégative.Celle-ci nous permet d'utiliser dans l'estimation du modèle des variables exogènes liées avec la consommation électrique, ainsi de produire des facteurs plus interprétatbles, et aussi améliorer la reconstitution.De plus, cette méthod nous donne la possibilité d'utiliser la factorisation de matrice nonnégative pour produire des prédictions.Sur le côté théorique, nous nous intéressons à l'identifiabilité du modèle, ainsi qu'à la propriété de la convergence des algorithmes que nous proposons.La performance des méthodes proposées en reconstitution et en prédiction est testé sur plusieurs jeux de données de consommation électrique à niveaux d'agrégation différents. / We are interested in the recovery and prediction of multiple time series from partially observed and/or aggregate data.Motivated by applications in electricity network management, we investigate tools from multiple fields that are able to deal with such data issues.After examining kriging from spatio-temporal statistics and a hybrid method based on the clustering of individuals, we propose a general framework based on nonnegative matrix factorization.This frameworks takes advantage of the intrisic correlation between the multivariate time series to greatly reduce the dimension of the parameter space.Once the estimation problem is formalized in the nonnegative matrix factorization framework, two extensions are proposed to improve the standard approach.The first extension takes into account the individual temporal autocorrelation of each of the time series.This increases the precision of the time series recovery.The second extension adds a regression layer into nonnegative matrix factorization.This allows exogenous variables that are known to be linked with electricity consumption to be used in estimation, hence makes the factors obtained by the method to be more interpretable, and also increases the recovery precision.Moreover, this method makes the method applicable to prediction.We produce a theoretical analysis on the framework which concerns the identifiability of the model and the convergence of the algorithms that are proposed.The performance of proposed methods to recover and forecast time series is tested on several multivariate electricity consumption datasets at different aggregation level.

Les modèles de mélange pour la régression sont utilisés pour modéliser la relation entre la réponse et les prédicteurs, pour des données issues de différentes sous-populations. Dans cette thèse, on étudie des prédicteurs de grande dimension et une réponse de grande dimension. Tout d’abord, on obtient une inégalité oracle ℓ1 satisfaite par l’estimateur du Lasso. On s’intéresse à cet estimateur pour ses propriétés de régularisation ℓ1. On propose aussi deux procédures pour pallier ce problème de classification en grande dimension. La première procédure utilise l’estimateur du maximum de vraisemblance pour estimer la densité conditionnelle inconnue, en se restreignant aux variables actives sélectionnées par un estimateur de type Lasso. La seconde procédure considère la sélection de variables et la réduction de rang pour diminuer la dimension. Pour chaque procédure, on obtient une inégalité oracle, qui explicite la pénalité nécessaire pour sélectionner un modèle proche de l’oracle. On étend ces procédures au cas des données fonctionnelles, où les prédicteurs et la réponse peuvent être des fonctions. Dans ce but, on utilise une approche par ondelettes. Pour chaque procédure, on fournit des algorithmes, et on applique et évalue nos méthodes sur des simulations et des données réelles. En particulier, on illustre la première méthode par des données de consommation électrique. / Finite mixture regression models are useful for modeling the relationship between a response and predictors, arising from different subpopulations. In this thesis, we focus on high-dimensional predictors and a high-dimensional response. First of all, we provide an ℓ1-oracle inequality satisfied by the Lasso estimator. We focus on this estimator for its ℓ1-regularization properties rather than for the variable selection procedure. We also propose two procedures to deal with this issue. The first procedure leads to estimate the unknown conditional mixture density by a maximum likelihood estimator, restricted to the relevant variables selected by an ℓ1-penalized maximum likelihood estimator. The second procedure considers jointly predictor selection and rank reduction for obtaining lower-dimensional approximations of parameters matrices. For each procedure, we get an oracle inequality, which derives the penalty shape of the criterion, depending on the complexity of the random model collection. We extend these procedures to the functional case, where predictors and responses are functions. For this purpose, we use a wavelet-based approach. For each situation, we provide algorithms, apply and evaluate our methods both on simulations and real datasets. In particular, we illustrate the first procedure on an electricity load consumption dataset.

Dans un contexte où les tensions liées aux ressources énergétiques fossiles sont de plus en plus vives, concevoir une nouvelle manière d'appréhender le contexte énergétique est devenu essentiel. Les moyens de production et de consommation énergétiques habituels ont montré leur limite avec l'apparition de nouveau type de pollution pour différents secteurs. Dans ce rapport de thèse, nous nous sommes essentiellement axés sur le secteur de l'électricité en proposant un outil, d'aide à la décision, pour simuler la consommation électrique ainsi que la production électrique à partir des énergies renouvelables (EnR). La simulation de la consommation électrique permet d'avoir des informations à différents échelles d'observation en s'appuyant sur une démarche systémique et typologique, qui permet de calculer le bilan carbone associé à cette consommation ainsi que son coût annuel. Par la suite, cette consommation a été analysée à l'échelle horaire afin de pouvoir là mettre en relation avec des fichiers de production pour effectuer un pilotage au niveau de la courbe de charge. Ce pilotage a pour but de lisser les pics au niveau de la courbe de charge. Les premiers résultats analytiques obtenus à l'aide des outils développés montrent qu'il est possible de réduire l'appel au réseau électrique normal à un certain niveau en fonction des dimensionnements des systèmes de production EnR et du stockage. Ainsi que de pouvoir limité les coûts d'investissement au juste nécessaire, c'est-à-dire avoir un prix le moins cher possible, grâce à une optimisation du système EnR. / In a context where the tensions linked to fossil energy resources are increasing, design a new way of understanding the energy context has become essential. The usual means of energy production and consumption have shown their limit with the appearance of new types of pollution for different sectors. In this thesis, we mainly focused on the electricity sector by proposing a tool to simulate electricity consumption and electricity production from renewable energies (RES). Simulation of electricity consumption allows having information on different observation scales based on a systemic and typological approach, according to which the associated carbon footprint to this consumption is being calculated as well as its annual cost. Subsequently, this consumption was analyzed at the hourly scale, which is to relate it to the production files in order to control the load curve. This control aims to smooth down the peaks of the load curve. The first analytical results, obtained by using the developed tools, show that it is possible to reduce the use of the normal electrical network to a certain level according to the dimensions of the RES production systems and storage.

Les systèmes embarqués tels que les téléphones portables ou les lecteurs multimédia intègrent de plus en plus de fonctions consommatrices d'énergie ce qui a pour conséquence directe une diminution de leurs autonomies. Les applications audio dans les téléphones cellulaires et en particulier l'application casque font partie des fonctions les plus consommatrices d'énergie. Après un état de l'art des solutions permettant l'amplification de signaux audio, l'amplificateur de classe G à été identifié comme étant le meilleur candidat pour obtenir une amélioration du rendement tout en fournissant une bonne qualité de reproduction sonore. Nos travaux se sont plus particulièrement focalisés sur la détection d'enveloppe de ces architectures qui est un facteur clé dans la maximisation du rendement. Une étude des propriétés temporelles, fréquentielles et statistiques des signaux présents en entrée de l'amplificateur a ainsi été menée pour mettre en évidence les différences entre les signaux classiquement utilisés (signal sinusoïdal) et les signaux réellement écoutés par les utilisateurs (musique). Après avoir effectué une sélection de signaux pour la suite de notre étude, nous avons également caractérisé la puissance correspondant à des conditions normales d'écoute afin d'obtenir par la suite un environnement de test proche des conditions réelles de fonctionnement. Un modèle simplifié et rapide d'amplificateur hybride permettant d'obtenir en quelques dizaines de secondes, l'évaluation du rendement, de la consommation et de la qualité sonore dans des conditions réelles de fonctionnement a été développé. Notre modèle, entièrement configurable et réadaptable à d'autres types de circuits a été validé par mesures pratiques des performances d'un amplificateur existant. Les paramètres de la détection d'enveloppe de ce modèle ont fait l'objet d'une optimisation basée sur le couplage séquentiel de deux algorithmes d'optimisation, permettant ainsi dans un temps limité d'obtenir une solution optimale sans solution de départ sous des conditions réelles d'utilisation. La suite de notre étude nous a conduit à étudier, modéliser, optimiser et comparer des amplificateurs de classe G possédant un nombre de tensions d'alimentation supérieur (3, 4) ainsi que des amplificateurs de classe H (alimentations continues) afin d'améliorer encore le rendement. Enfin, nous avons proposé une nouvelle détection d'enveloppe permettant d'améliorer le rendement à faible puissance. Cette nouvelle détection d'enveloppe permet à l'amplificateur de classe G un fonctionnement en « multi niveau » et d'être auto adaptatif au signal audio présent en entrée de l'amplificateur. Après avoir développé des méta-modèles pour optimiser les paramètres de la détection d'enveloppe, cette détection d'enveloppe a été implémentée au niveau transistor en technologie 0.25μm de ST Microelectronics. / Embedded systems such as mobile phones, tablets and GPS incorporate an increasing number of electronic functions that generate a decrease in battery life. The aim of this work is to propose new solutions for audio amplifiers for the headphone application because this application has a large impact on battery autonomy. To improve the efficiency of actual amplifiers, a behavioral model of this kind of amplifier has been developed and validated by practical measures. This model, fast, accurate and reconfigurable allows in few seconds to evaluate the efficiency, consumption and quality of sound reproduction in real conditions of operation. Through the use of this model coupled with an optimizing method based on two algorithms, several architectures of level detector were studied and compared allowing to define the best compromise. A new architecture is then proposed, simulated and optimized in a 0.25μm technology from ST Microelectronics to demonstrate the feasibility of the solution.

La thèse présente le développement de capteurs CMOS pour un futur dosimètre électronique neutrons. A côté des systèmes passifs largement répandus, les dosimètres actifs existants ne donnent pas satisfaction, alors qu'ils sont fermement recommandés par une directive européenne (IEC 1323). Le groupe RaMsEs de l'IPHC développe un nouveau concept de dosimètre électronique personnel neutrons à base de capteurs CMOS. Au cours de cette thèse, le circuit intégré AlphaRad2, à très bas bruit et très faible consommation électrique, a été implémenté dans une technologie commerciale. Il intègre un réseau de micro-diodes sur une surface sensible de 6.55 cm2 avec sa chaîne de traitement sur le même substrat de silicium. Des simulations physiques ont permis d'étudier le processus de collection de charge et d'optimiser l'efficacité de collection. La géométrie du capteur est un compromis entre la collection des électrons secondaires et de la capacité totale du détecteur. Le circuit de lecture comprend un amplificateur de charge (CSA), un circuit de mise en forme (shaper) et un discriminateur pour une réponse digitale. Nous présentons une analyse théorique complète du circuit, les paramètres de dessin, ainsi que des tests électriques et des tests en sources de rayonnement. La sensibilité effective du système est au niveau de la particule unique (proton ou alpha), grâce à un très bon rapport signal à bruit. Une série complète de mesures en sources de photons, de neutrons et de particules chargées a permis de démontrer une bonne efficacité aux neutrons rapides et surtout une excellente réjection gamma grâce à l'application d'un seuil électronique approprié.